ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2016 г.)
2-летний импакт-фактор РИНЦ: 0,493
2-летний импакт-фактор РИНЦ без самоцитирования: 0,389
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,732
5-летний импакт-фактор РИНЦ: 0,364
5-летний импакт-фактор РИНЦ без самоцитирования: 0,303
Суммарное число цитирований журнала в РИНЦ: 5022
Пятилетний индекс Херфиндаля по цитирующим журналам: 355
Индекс Херфиндаля по организациям авторов: 499
Десятилетний индекс Хирша: 11
Место в общем рейтинге SCIENCE INDEX за 2016 год: 304
Место в рейтинге SCIENCE INDEX за 2016 год по тематике "Автоматика. Вычислительная техника": 11

Больше данных по публикационной активности нашего журнале за 2008-2016 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2017

Программный комплекс для прогнозирования растворимости в сверхкритических флюидах

Program complex to predict of the solubility in supercritical fluids
Статья опубликована в выпуске журнала № 1 за 2013 год. [ на стр. 119-122 ][ 04.03.2013 ]
Аннотация:В статье представлен программный комплекс для прогнозирования растворимости в сверхкритических флюидах, позволяющий хранить, обрабатывать и проводить анализ данных в области химии и технологии сверхкритических флюидов. Для прогнозирования растворимости использованы методология QSPR, а также молекулярная динамика. Впервые в QSPR-модель включены температура и давление сверхкритических флюидов. В базе данных комплекса хранится информация о растворимости пятисот химических соединений в сверхкритическом диоксиде углерода (более двадцати тысяч экспериментальных точек). Возможны поиск соединения по CAS номеру, определение простран-ственной структуры. Программный комплекс может стать рабочим инструментом для ученых, работающих в области сверхкритических флюидов.
Abstract:The article describes the program complex to predict of the solubility in supercritical fluids. Data analysis in chemistry and technology of supercritical fluids is allowed by program complex. To predict the solubility the methodology QSPR and molecular dynamics were used. For the first time ever in QSPR-model were included temperature and pressure of supercritical fluids. The program complex database stores information about solubility of five hundred chemical compounds in supercritical carbon dioxide (over twenty thousand data points). It is available to search compounds by CAS number and determine the spatial structure. The program complex can be a working tool for scientists working in the field of supercritical fluids.
Авторы: Меньшутина Н.В. (chemcom@muctr.ru) - Российский химико-технологический университет им. Д.И. Менделеева, г. Москва, Россия, Батин С.Э. (chemcom@muctr.ru) - Российский химико-технологический университет им. Д.И. Менделеева, Москва, Россия, Аспирант , Гуриков П.А. (chemcom@muctr.ru) - Российский химико-технологический университет им. Д.И. Менделеева, Москва, Россия, кандидат технических наук
Ключевые слова: растворимость в сверхкритических флюидах., математическое моделирование, qspr, программный комплекс
Keywords: solubility in supercritical fluids, mathematical and computer modeling, qspr, software package
Количество просмотров: 5254
Версия для печати
Выпуск в формате PDF (5.29Мб)
Скачать обложку в формате PDF (1.21Мб)

Размер шрифта:       Шрифт:

В настоящее время сверхкритические флюиды (СКФ) находят широкое применение в различных областях химии и химической технологии как растворители в процессах экстракции, сепарации и адсорбции. Прежде всего это связано с тем, что величина растворимости вещества в СКФ существенно зависит от температуры и давления: вещество, практически не растворимое в одних условиях, может хорошо растворяться в других. Поиск таких условий процесса, при которых будет достигнута максимальная степень извлечения целевого вещества, является важной задачей для технологов.

Для ее решения в первую очередь необходимы экспериментальные данные по растворимости веществ в сверхкритическом растворителе, однако для исследования их поведения при изменении условий процесса этих данных не всегда бывает достаточно. В таких случаях обычно прибегают к математическим моделям, способным прогнозировать растворимость определенного вещества или веществ в заданных условиях.

На сегодняшний день существует большое количество научных публикаций, содержащих как экспериментальные данные по растворимости различных веществ в СКФ (чаще всего это диоксид углерода), так и математические модели, позволяющие прогнозировать растворимость на имеющейся выборке соединений, однако единой информационной системы, позволяющей хранить, обрабатывать и проводить анализ данных в области химии и технологии СКФ, нет.

В данной статье представлен программный комплекс для прогнозирования растворимости в СКФ. Структура программного комплекса представлена на рисунке 1.

Основные компоненты системы – ядро, информационно-поисковый модуль, модуль прогнозирования растворимости и БД.

Ядро системы является связующим элементом для всех остальных компонентов и предоставляет внешним модулям базовый функционал по работе с химическими соединениями. На уровне ядра для внутреннего представления структур химических соединений используются молекулярные графы, где вершинам соответствуют атомы молекулы, а ребрам – химические связи между ними. Вершины и ребра молекулярного графа при необходимости могут быть дополнены информацией о трехмерных координатах атомов, длинах и полярности связей и т.п. Обработка и хранение молекулярных графов инкапсулированы внутри ядра, поэтому внешние модули работают с химическими соединениями как с цельными сущностями.

Модуль молекулярной динамики необходим для определения пространственной структуры химического соединения по его структурной формуле при помощи методов молекулярной динамики. Для молекулярно-динамических расчетов в программе используется специальная библиотека с открытым исходным кодом OpenBabel [1]. Информация о трехмерной структуре молекулы часто бывает необходима для расчета числовых значений некоторых молекулярных дескрипторов, используемых при прогнозировании растворимости.

Подпись:  Рис. 2. Прогнозирование растворимости ароматических углеводородов на основе методологии QSPRМодуль импорта/экспорта позволяет обмениваться информацией о структуре и свойствах химических соединений со сторонними програм- мными продуктами (например молекулярными редакторами). Для этого в модуле реализована поддержка наиболее распространенных и популярных форматов представления химических структур, таких как CML (Chemical Markup Language, язык химической разметки), SMILES (Simplified Mole­cular Input Line Entry Specification, спецификация упрощенного представления молекул в строке ввода), MDL, SDF и др. [2].

Модуль прогнозирования растворимости предназначен для получения численного значения растворимости целевого вещества в сверхкритическом растворителе при некоторых фиксированных внешних условиях (температура, давление, тип растворителя). Для расчета растворимости индивидуальных веществ в сверхкритических условиях используются полуэмпирические модели: модель Крастила (Chrastil), модель де Валле и Агилера (del Valle and Aguilera), модель Адачи и Лу (Adachi and Lu), модель Бартла (Bartle) и др. Параметры таких моделей подбираются на основе имеющихся данных по растворимости.

Для предсказания растворимости тех веществ, экспериментальных данных по которым нет или недостаточно для построения модели с высокой прогнозируемой точностью, используются методология QSPR (Quantitative Structure-Property Relationship), а также теория молекулярного подобия, позволяющие оценить некоторое свойство заданного вещества (в данном случае растворимость) по его структуре и свойствам похожих веществ. В таких моделях для выявления степени похожести молекулярных структур и прогнозирования свойств химических соединений исполь- зуются количественные характеристики – моле- кулярные дескрипторы. Такими дескрипторами могут быть разнообразные физико-химические величины, значения которых можно получить экспериментально или рассчитать, а также математические конструкции – фрагментарные дескрипторы, топологические индексы [3]. На рисунке 2 показан пример QSPR-модели, использующей семь молекулярных дескрипторов: моменты инерции (MOMI-X, MOMI-Y), коэффициент распределения в системе октанол–вода (XlogP), индекс Винера (WPOL), индекс Кира и Холла третьего порядка (SP-3), индекс связности молекулярного графа третьего порядка (X3Av) и сумму атомных поляризуемостей (apol). Такая модель дает неплохие результаты расчета растворимости ароматических углеводородов в сверхкритическом диоксиде углерода.

Модуль прогнозирования растворимости позволяет использовать произвольные выборки соединений для построения подобных моделей, а также исследовать влияние на растворимость различных молекулярных дескрипторов.

Информационно-поисковый модуль дает возможность для каждого индивидуального вещества вывести в удобном графическом виде экспериментальные и расчетные данные по растворимости, а также информацию о математических моделях, наиболее точно описывающих растворимость этого вещества. Для большего удобства использования предусмотрен поиск по классу химического соединения, химическому названию, регистрационному номеру CAS (уникальный численный идентификатор веществ, внесенных в реестр Chemical Abstract Service) или по SMILES-идентификатору (рис. 3).

Кроме этого, информационно-поисковый модуль содержит алгоритмы вычисления структурной схожести двух химических соединений путем анализа числа вхождений различных молеку- лярных подструктур в исходные структуры [2]. Подобные алгоритмы позволяют вывести все соединения, структурно идентичные исходному веществу, и сравнить растворимость найденных соединений при фиксированных внешних условиях.

БД программы содержит экспериментальные данные по растворимости различных веществ в сверхкритических растворителях, плотности сверхкритических растворителей в зависимости от температуры и давления, а также информацию о химической структуре веществ. На данный момент БД (реляционную модель см. на рис. 4) содержит информацию по растворимости более чем пятисот различных химических соединений (более двадцати тысяч экспериментальных точек) в сверхкритическом диоксиде углерода и других, наиболее часто применяемых растворителях.

Таблица Substances содержит основную информацию о веществах (название, молекулярная масса, регистрационный номер CAS, краткое описание, а также идентификатор SMILES). Каждое вещество может соответствовать одному или более классам соединений (например спирты, амины и т.п.); все возможные (для рассматриваемой в данной работе выборки соединений) классы веществ описаны в таблице Categories. Она содержит названия и описания по каждому классу соединений. Таблица CatDictionary содержит информацию о том, какие вещества относятся к тому или иному классу.

Подпись:  Рис. 3. Экспериментальные и расчетные данные по растворимости аспирина в сверхкритическом диоксиде углеродаТаблица Descriptors содержит информацию обо всех дескрипторах, необходимых для работы рассмотренных выше моделей QSPR. Для каждого дескриптора в таблице имеются символьное сокращение (marker), название и краткое описание. Таблица DescriptorsDictionary содержит численные значения (value) каждого дескриптора для каждого химического соединения из таблицы Substances.

Информация об экспериментальных данных размещена в таблицах Experiments, ExperimetTy­pes, Publications, Points. Таблица Experiments агрегирует всю информацию о каждом проведенном эксперименте (какое вещество растворялось, растворитель, тип эксперимента, публикация и краткое описание эксперимента). Таблицы Experimet­Types и Publications содержат, соответственно, информацию о доступных типах экспериментов и публикациях-источниках. Таблица Points содержит информацию об экспериментальных точках. Для каждой точки известны давление (МПа), температура (К), растворимость и единицы измерения растворимости (чаще всего это мольные доли и молярность).

Подпись:  Рис. 4. Реляционная модель данныхТаблица Density содержит экспериментальные данные по плотности различных растворителей в зависимости от давления и температуры. Значение плотности сверхкритического растворителя необходимо для расчета растворимости. При отсутствии экспериментальной информации плотность растворителя при заданных внешних условиях вычисляется по уравнению состояния.

Информация о моделях, используемых для прогнозирования растворимости индивидуально для каждого растворенного вещества, помещена в таблице Models, включающей тип модели, коэффициент детерминации, среднее относительное отклонение (ARD), количество точек и количество параметров по каждой модели. Информация о числовых значениях параметров (value) каждой модели содержится в таблице ModelsParams.

Разработанный программный комплекс имеет клиент-серверную архитектуру – СУБД (система управления БД), как и сама БД комплекса, находится на удаленном сервере, а небольшая программа-клиент имеет соответствующий интерфейс для взаимодействия с БД. Такой подход позволяет уменьшить объем программы до приемлемых размеров, упростить установку и использование программы, а также гарантировать безопасность данных и актуальность информации, хранящейся в БД, за счет своевременного обновления и исправления.

Литература

1.     Open Babel: The Open Source Chemistry Toolbox. URL: http://openbabel.org/wiki/Main_Page (дата обращения: 14.12.2011).

2.     Daylight Theory Manual URL: http://www.daylight.com/ dayhtml/doc/theory/index.html (дата обращения: 14.12.2011).

3.     Todeschini R., Consonni V., Handbook of Molecular Descriptors, Weinheim: Germany, WILEY-VCH Publ., 2000.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=3396
Версия для печати
Выпуск в формате PDF (5.29Мб)
Скачать обложку в формате PDF (1.21Мб)
Статья опубликована в выпуске журнала № 1 за 2013 год. [ на стр. 119-122 ]

Возможно, Вас заинтересуют следующие статьи схожих тематик: